一种基于高分辨率遥感影像的温室大棚智能提取方法.pdf
Jo****34
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于高分辨率遥感影像的温室大棚智能提取方法.pdf
本发明公开了一种基于高分辨率遥感影像的温室大棚智能提取方法,该方法能够在高分辨率影像中识别温室大棚,并实时获取大棚的分布情况。获取高分辨率的遥感影像,采用深度学习方法对研究区内的温室大棚进行识别和提取,并统计其覆盖面积和数量。该方法能够表明深度学习方法可以在高分辨率影像中快速有效地提取温室大棚信息,以此根据提取结果对实验区域进行农业污染监管以及农业发展规划,这对于缓解粮食安全问题、防治污染有着重要意义。
一种基于遥感影像的塑料温室快速检测方法.pdf
本发明公开了一种基于遥感影像的塑料温室快速检测方法,该方法能够对遥感影像的塑料温室进行智能检测,并且获取遥感影像上每个塑料温室的长宽、面积和位置信息。基于遥感影像使用深度学习方法对影像中的塑料温室进行提取和检测,并生成其空间分布的矢量文件,获得每个塑料温室的信息及总数量。该方法可以表明在遥感影像的塑料温室检测中,深度学习是一个高效方法,从而实现对研究区的塑料温室的监测和绘图。对农业结构的优化,推动现代农业发展,推进乡村振兴战略的实施有着重要意义。
一种基于多特征联合处理的高分辨率遥感影像水体提取方法.pdf
本发明涉及一种基于多特征联合处理的高分辨率遥感影像水体提取方法。首先对遥感影像进行辐射定标,得到地物的表观辐射量,从而通过对像元长度特征进行阈值分割排除大部分的非水体像素;然后对上述步骤保留下的水体待选像素的NDWI特征进行阈值分割,得到水体待选对象;对小面积待选对象覆盖的像素的NDWI特征再次进行阈值分割,进一步排除混杂的背景像素;最后使用区域生长的方式进行水体的边缘优化得到最终的水体对象掩膜。本发明在水体提取时使用了局部结构长度特征,体现了水体的分布特点,并抑制了大部分阴影的干扰,避免了直接分类的方式
一种基于深度学习的高分辨率遥感影像建筑物提取方法.pdf
一种基于深度学习的高分辨率遥感影像建筑物提取方法,属于图像提取方法领域。目前用于建筑物提取的深度学习方法中存在着缺少端到端模型设计、提取精度需要进一步提高等问题。一种基于深度学习的高分辨率遥感影像建筑物提取方法,基于基础网络结构U‑Net网络模型加入特征增强结构,构成编码器‑特征增强‑解码器的网络结构模型;之后,将激活函数ReLU替换为ELU;将U‑Net++网络和扩张卷积相结合,并引入残差网络,获取联系上下文的特征信息。本发明设计并实现增加特征增强和改变激活函数的U‑Net网络,提高了建筑物提取精度。设
一种基于高分辨率遥感影像的建筑物提取网络的提取方法及偏置余弦网络.pdf
本发明属于光学遥感图像处理技术领域,具体涉及一种基于高分辨率遥感影像的建筑物提取网络的提取方法及偏置余弦网络。步骤1:采集高分辨率光学遥感影像;步骤2:对步骤1采集的遥感影像中的建筑物进行提取,制作成数据集;步骤3:搭建偏置余弦网络;步骤4:利用步骤2的建筑物数据集对偏置余弦网络进行训练;步骤5:对步骤4训练后的网络进行验证;步骤6:使用步骤5验证后的网络进行进行语义分割,对建筑物轮廓进行识别。本发明用以解决现有的传统语义分割方法对不同尺度间的变换特征利用,以及对不同大小的建筑物提取方面的局限性的问题。